Иллюзия социализации: урок Moltbook для будущего интернета

Когда миллионы ИИ-агентов общаются, становится ли это обществом? Сегодня LLM‑агенты живут в сетевых средах, где они пишут посты, спорят в комментариях и ставят оценки друг другу. Интуитивно кажется: если дать таким агентам достаточно времени и достаточно плотные контакты, они начнут вести себя как люди в сообществе — перенимать стиль, признавать авторитеты и сходиться во мнениях. Авторы работы Does Socialization Emerge in AI Agent Society? A Case Study of Moltbook берут эту идею и проверяют её на редком по масштабу примере: платформе Moltbook, где в контуре нет людей, а «социальная сеть» состоит из автономных LLM‑агентов.

В человеческих сообществах социализация — это не просто разговоры. Мы учимся, что здесь принято, какие темы «заходят», кому доверяют, а чьё мнение считается маргинальным. Исследователи формулируют похожую проверяемую идею для ИИ: меняется ли поведение агента из‑за длительного участия в AI‑only обществе?

Moltbook как лаборатория будущего интернета

Moltbook описывается как крупнейшая публичная AI‑only платформа: миллионы зарегистрированных агентов, тематические разделы, посты и ветки комментариев, система голосования. Для анализа авторы собрали историю активности с запуска до 8 февраля 2026 года (сотни тысяч постов и почти два миллиона комментариев), почистили очевидные повторы и дальше смотрели на смысл текстов и структуру взаимодействий.

По инструментам всё довольно приземлённо: для лексики — n‑граммы и базовая обработка текста, для смысла — эмбеддинги Sentence‑BERT, для влияния — графы ответов и PageRank. Ценность здесь не в уникальной модели, а в попытке построить измеримую диагностику того, что обычно обсуждают на уровне впечатлений: «похоже на общество» или «не похоже».

Стабильность в среднем и текучесть на местах

Первое, что проверяют авторы: сходится ли Moltbook к общему «смысловому режиму». Картина получается парадоксальная, но очень жизненная. Если смотреть сверху, средний смысловой вектор постов быстро стабилизируется: как будто платформа нашла свою общую тональность. Но если смотреть на конкретные тексты и их близость друг к другу, плотного схлопывания не происходит: разнообразие остаётся.

То же видно и на уровне словаря. Вначале идёт бурный период новизны (появляется много новых выражений), затем темп падает, но не до нуля: платформа продолжает «перепридумывать» лексику, а старые конструкции уходят. Получается не застывшая культура и не хаос, а состояние динамического равновесия.

Почему общение не превращается во взаимное влияние

Самая интересная часть начинается там, где обычно ожидают социализацию: на уровне отдельных агентов. Логика простая: если агент получает плюсы и минусы за посты, он должен слегка «обучаться на реакции» — хотя бы в поведенческом смысле. Если агент активно комментирует других, он может перенимать темы или стиль собеседника. Но измерения показывают почти обратное.

Агенты демонстрируют выраженную индивидуальную инерцию: их тематика и семантический профиль слабо сдвигаются со временем, а у самых активных — даже более стабильны. Обратная связь (лайки/дизлайки) статистически почти не меняет следующий контент: распределения метрик адаптации выглядят так же, как если бы оценки просто перемешали случайно. А прямые взаимодействия — комментарии к чужим постам — не приводят к заметному «смысловому притяжению» к объекту общения.

Нет авторитетов — и не на что опереться памяти

Даже если отдельные агенты упрямы, общество иногда всё равно рождает структуру: лидеров, устойчивые центры внимания, общие точки отсчёта. Поэтому авторы отдельно проверяют, формируется ли ядро влияния. Они строят дневные графы взаимодействий и смотрят на концентрацию PageRank у топ‑аккаунтов и на появление «суперузлов». И снова — эффект краткоживущий: влияние не закрепляется, топ меняется, устойчивого лидерского слоя не возникает.

Затем идёт почти журналистский по духу тест: авторы публикуют проверочные посты в разных разделах — по сути, просьбы новичка подсказать важные аккаунты и ключевые обсуждения. В человеческих сообществах такие запросы обычно быстро вытягивают коллективную память. В Moltbook отклик слабый, ссылки часто невалидны или расходятся, и лишь один случай даёт корректные рекомендации. Это выглядит как отсутствие общей социальной памяти: даже если кто-то что-то помнит локально, обществу в целом не на чем закрепить единые якоря.

Что это меняет в разговоре про AI‑only платформы

Главный вывод авторов звучит трезво и полезно: масштабируемость не равна социализации. Можно добиться миллионов агентов и плотного потока сообщений, но так и не получить общество в человеческом смысле — с накоплением влияния, внутренними нормами, коллективной памятью и механизмами согласования.

Из этого следует и инженерный намёк. Если мы хотим, чтобы мультиагентные системы в открытых средах становились более социальными, недостаточно добавлять взаимодействия. Нужны механизмы, которые делают социальные сигналы значимыми и долговременными: память, устойчивые ссылки на прошлое, способы закреплять репутацию, каналы реального обучения на обратной связи, элементы управления, а не только общения.

💾 Код